Universidad Complutense de Madrid
E-Prints Complutense

Identificación de imágenes por análisis de texturas utilizando aprendizaje estadístico

Impacto

Downloads

Downloads per month over past year



Escobar Riosalido, Javier (2016) Identificación de imágenes por análisis de texturas utilizando aprendizaje estadístico. [Trabajo fin de Grado]

[img]
Preview
PDF
2MB


Abstract

Este documento explica la creación, implementación y uso del proyecto de fin de grado, desarrollado dentro del grupo de investigación ISCAR (Ingeniería de Sistemas, Control, Automática y Robótica) de la Facultad de Informática de la Universidad Complutense. El proyecto consiste en la implementación de una aplicación capaz de clasificar texturas extraídas de distintas imágenes mediante técnicas de visión por computador. Dicha aplicación se divide en tres pilares fundamentales: interfaz gráfica de usuario, algoritmos de extracción de características texturales y aprendizaje supervisado mediante una máquina “SVM” (Support Vector Machine). Interfaz gráfica: proporciona al usuario una forma fácil de uso de la aplicación por medio de la visualización gráfica de una imagen con una serie de elementos de configuración para su posterior análisis. Una vez analizada, el usuario si así lo desea, podrá visualizar los resultados de manera intuitiva, así como guardar dichos resultados después de la ejecución de los algoritmos pertinentes. Algoritmos de análisis de texturas: Procede al cálculo de las configuraciones y las muestras provistas por el usuario en la interfaz gráfica como el cálculo de la matriz de co-ocurrencia y el cálculo de los vectores de características (homogeneidad, media, varianza, Entropía, etc…). SVM: Utiliza los vectores de características obtenidos en los cálculos estadísticos de texturas para realizar el proceso de aprendizaje de un clasificador SVM. La aplicación ha sido construida en JAVA haciendo uso de librerías como JNI_SVM-light-6.01, commons-math3-3.0 y WindowsBuilder, para la construcción de la ventana gráfica, cálculo de los métodos estadísticos y máquina de aprendizaje automático. Dicha aplicación se ha utilizado con el objetivo de identificar y clasificar el quiste de Baker mediante imágenes obtenidas por Resonancias Magnéticas de la rodilla.

Resumen (otros idiomas)

This document explains the creation, implementation and use of project to degree, developed within the research group SECAR (Systems Engineering, Control, Automation and Robotics) at the school of Computer Science at the Complutense University. The project involves the implementation of an application capable of classify textures taken from different viewing images using techniques computer. Such application is divided into three pillars: graphical user interface, extraction algorithms textural characteristics and supervised learning by “SVM” (Support Vector Machine). GUI: it provides the user an easy way to use the application thought the graphical display of an image with a number of elements who can customize for further analysis. Once analyzed, if the user so wish can view the results intuitively and save these results after the execution of the relevant algorithms. Texture analysis algorithms: It comes to calculate the configurations and the samples provided by the user in the GUI as the calculation the co-occurrence matrix and the calculation the characteristics vectors (homogeneity, mean, variance, entropy, etc.…). SVM: It uses the feature vectors obtained in statistical calculations of textures to do the learning process of a SVM classifier. The application has been built in JAVA using libraries as JNI_SVM-light- 6.01, commons-math3-3.0 and WindowsBuilder, for the construction of the GUI, calculation the statistical methods and finally, the machine learning. Such application has been used to identify and classify cyst Baker's using images obtained by magnetic resonance imaging of the knee.

Item Type:Trabajo fin de Grado
Additional Information:

Trabajo de Fin de Grado en Ingeniería del Software (Universidad Complutense, Facultad de Informática, curso 2015/2016)

Directors:
DirectorsDirector email
Ruz Ortiz, José Jaime
Uncontrolled Keywords:SVM (Support Vector Machine), Matriz de co-ocurrencia, Aprendizaje vectorial, Escala de grises, Mapa de bits, Clasificación RGB, Vector de características, Metodología de segundo orden
Palabras clave (otros idiomas):SVM (Support Vector Machine), Co-occurrence matrix, Vector learning, Grayscale, Bitmap, RGB classification, Feature vector, Second order, Classification methodology
Subjects:Sciences > Computer science > Artificial intelligence
Título de Grado:Grado en Ingeniería del Software
ID Code:38727
Deposited On:05 Aug 2016 11:11
Last Modified:05 Aug 2016 11:11

Origin of downloads

Repository Staff Only: item control page